pandas数据预处理之dataframe的groupby操作方法


            在数据预处理过程中可能会遇到这样的问题，如下图：数据中某一个key有多组数据，如何分别对每个key进行相同的运算？



dataframe里面给出了一个group by的一个操作，对于”group by”操作，我们通常是指以下一个或多个操作步骤：

l （Splitting）按照一些规则将数据分为不同的组；

l （Applying）对于每组数据分别执行一个函数；

l （Combining）将结果组合到一个数据结构中；

使用dataframe实现groupby的用法：





# -*- coding: UTF-8 -*-

import pandas as pd

df = pd.DataFrame([{'col1':'a', 'col2':1, 'col3':'aa'}, {'col1':'b', 'col2':2, 'col3':'bb'}, {'col1':'c', 'col2':3, 'col3':'cc'}, {'col1':'a', 'col2':44, 'col3':'aa'}])

print df

# 按col1分组并按col2求和

print df.groupby(by='col1').agg({'col2':sum}).reset_index()

# 按col1分组并按col2求最值

print df.groupby(by='col1').agg({'col2':['max', 'min']}).reset_index()

# 按col1 ，col3分组并按col2求和

print df.groupby(by=['col1', 'col3']).agg({'col2':sum}).reset_index()



输出结果为：





 col1 col2 col3 

0  a   1  aa 

1  b   2  bb 

2  c   3  cc 

3  a  44  aa 







 col1 col2 

0  a  45 

1  b   2 

2  c   3 







 col1 col2   

    max min 

0  a  44  1 

1  b  2  2 

2  c  3  3 







 col1 col3 col2 

0  a  aa  45 

1  b  bb   2 

2  c  cc   3 



注意点：

代码中调用了reset_index() 函数, 如果不使用这个函数输出的结果将是：





   col2

col1   

a    45

b    2

c    3

   col2  

   max min

col1     

a   44  1

b    2  2

c    3  3

      col2

col1 col3   

a  aa   45

b  bb    2

c  cc    3



上下两个结果还是有区别的，但是具体区别暂时不太清楚，不过下面的一种输出结果是不能跟使用df['col1']来提取第一列的。至于是什么原因暂时还不清楚，如果您对pandas比较理解或者知道原因，欢迎在评论中留言。

以上这篇pandas数据预处理之dataframe的groupby操作方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。